文章列表-AI魔法学院

文章列表

AI Agent新对决：LangGraph与AutoGen的技术角力

LCEL看起来似乎无所不能，但是为什么还需要LangGraph呢？

LangGraph AutoGen 对决

多智能体开发框架怎么选型？京东 JoyAgent vs langchain LangGraph，两种Agent开发哲学的碰撞!

LangGraph：不预设模式，让你当自由导演。

JoyAgent langchain LangGraph

LLMOps框架Dify发布Workflow功能，RAG进入自由编排时代（附产品负责人分享PPT ）

把大模型能力限制在封闭的问题内，让大模型更可控，提升整个应用的可解释性和鲁棒性，这样的思路也成为了业内共识，Langchain，llamaindex打开了黑盒过程，增强自由编排能力，如QueryPipeline，Langgraph

RAG 自由编排 Workflow

微软、OpenAI大佬暗示LLM应用开发范式迁移：从Prompt Engineering到Flow Engineering

而当下层出不穷的agent，特别是MultiAgent框架或平台以及创业项目就能反映问题，比如langchain新推出了Agent开发框架langgraph，微软出了Task weaver，Autogen

LLM 范式迁移

应用编排的未来是Pipeline，LlamaIndex开发预览版推出Query Pipeline，提升应用开发的灵活性

值得一提的是，langchain在近日发布的0.1.0版本引入的agent自定义框架langgraph也是这方面的一个证明（注意：它并不是DAG方式实现）。

Query Pipeline 大模型

LlamaIndex的QueryPipeline在实现RAG应用后，Agent应用也可以实现了（附开发示例）

AgentExecutor的实现，支持ReAct模式的循环）在其上实现了一些Agent特有的组件，进而基于此实现了AgentPipeline，但langchain现在已经发现了这样设计在生产条件下的限制，推出了langgraph

Agent QueryPipeline 大模型

【Agent专题】Agent架构设计：智能体架构设计的9大核心技术全景深解析，附架构图

八、A2A（Agent2Agent）：让智能体学会彼此配合在多Agent系统中，不同智能体可能基于不同框架开发（如LangGraph、CrewAI、AutoGen等），彼此之间无法互通任务和状态。

Agent 智能体架构

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1